Endonezya hükümeti, Ulusal Enerji Genel Planı hakkında 2017 yılında Endonezya Cumhuriyeti'nin 22 Sayılı Cumhurbaşkanlığı Yönetmeliği ile 2025 yılında 2,1 milyon adet iki tekerlekli elektrikli araç ve 2.200 adet dört tekerlekli elektrikli aracın benimsenmesini hedefliyordu. 2019 yılında Endonezya Hükümeti, Karayolu Taşımacılığı için Pilli Elektrikli Araç Programının Hızlandırılmasına ilişkin 55 Sayılı Cumhurbaşkanlığı Yönetmeliğini 2019 yılında yayınlamıştır. 2018'de, iki tekerlekli elektrikli araçların benimsenmesi, hükümetin 2025 hedefinin yalnızca %0,14'üne ulaştı. Bu nedenle, Elektrikli Motosiklet (EM) teknolojisinin benimsenmesi, başarılı olmak için birçok faktörü de dikkate almalıdır. Bu araştırma, davranışsal olmayan bir elektrikli araç benimseme niyeti modeli geliştirmektedir. Faktörler arasında sosyodemografik, finansal, teknolojik ve makro düzey yer alır. Çevrimiçi ankette 1.223 katılımcı yer aldı. Endonezya'da EM'yi benimseme niyetinin fonksiyon ve olasılık değerini elde etmek için lojistik regresyon kullanılır. Sosyal medyada paylaşım sıklığı, çevresel farkındalık düzeyi, satın alma fiyatları, bakım maliyetleri, maksimum hız, pil şarj süresi, işyerinde şarj istasyonu altyapısının bulunması, evde elektrik bazlı – şarj altyapısının bulunması, satın alma teşvik politikaları, şarj maliyeti indirimi Teşvik politikaları, elektrikli araçları benimseme niyetini önemli ölçüde etkiliyor. Ayrıca Endonezyalıların elektrikli motosikletleri benimseme fırsatının %82,90'a ulaştığını gösteriyor. Endonezya'da elektrikli motosikletlerin benimsenmesinin gerçekleştirilmesi, altyapının hazır olmasını ve tüketiciler tarafından kabul edilebilecek maliyetleri gerektiriyor. Son olarak, bu araştırmanın sonuçları, Endonezya'da elektrikli motosikletlerin benimsenmesini hızlandırmak için hükümet ve işletmeler için bazı öneriler sunmaktadır.

GİRİŞ

Endonezya'daki ekonomik sektör (ulaşım, elektrik üretimi ve hane halkı) çoğunlukla fosil yakıtları kullanır. Fosil yakıtlara olan yüksek bağımlılığın olumsuz etkilerinden bazıları, yakıt sübvansiyonları için artan tahsis, enerji sürdürülebilirliği sorunları ve yüksek CO2 emisyon seviyeleridir. Ulaşım, fosil yakıtlı araçların çok sayıda kullanılması nedeniyle havada yüksek CO2 seviyelerine katkıda bulunan önemli bir sektördür. Bu araştırma motosikletlere odaklanıyor çünkü Endonezya, gelişmekte olan bir ülke olarak arabalardan daha fazla motosiklete sahip. Endonezya'daki motosiklet sayısı 2018'de 120.101.047 adede [1], motosiklet satışları ise 2019'da 6.487.460 adede [2] ulaştı. Ulaşım sektörünün alternatif enerji kaynaklarına kaydırılması, yüksek CO2 seviyelerini azaltabilir. Bu sorunun gerçekçi çözümü, Endonezya'da hibrit elektrikli araçlar, plug-in hibrit elektrikli araçlar ve pilli elektrikli araçlar gibi elektrikli araçların penetrasyonu yoluyla yeşil lojistik uygulamaktır [3]. Elektrikli araç teknolojisi yeniliği ve pil teknolojisi yeniliği, çevre dostu, enerji açısından verimli ve işletme ve bakım maliyetlerini düşüren ulaşım çözümleri sağlayabilir [4]. Elektrikli araçlar dünya ülkeleri tarafından pek çok tartışılıyor. Küresel elektrikli araç işinde, 2016'dan 2017'ye kadar %58 veya yaklaşık 1,2 milyon adede ulaşan iki tekerlekli elektrikli motosikletler için önemli bir satış büyümesi oldu. Bu satış artışı, elektrikli araçların gelişimi konusunda dünyadaki ülkelerden iyi bir tepki aldığını gösteriyor. Bir gün elektrikli motosikletlerin fosil yakıtlı araçların yerini alması beklenen motosiklet teknolojisi. Araştırma hedefi, Elektrikli Motosikletin Yeni Tasarımı (NDEM) ve Dönüştürülen Elektrikli Motosikletten (CEM) oluşan Elektrikli Motosiklettir (EM). İlk tip, Elektrikli Motosikletin Yeni Tasarımı (NDEM), operasyonları için elektrik teknolojisini kullanan şirket tarafından tasarlanan bir araçtır. Avustralya, Almanya, İngiltere, Fransa, Japonya, Tayvan, Güney Kore ve Çin gibi dünyadaki bazı ülkeler zaten elektrikli motosikletleri fosil yakıtlı motosiklet araçlarının yerini alacak bir ürün olarak kullanıyorlardı [5]. Elektrikli motosikletlerin bir markası, spor elektrikli motosikletler üreten Zero Motorcycle'dir [6]. PT. Gesits Technologies Indo, Gesits markası altında iki tekerlekli elektrikli motosikletler de üretti. İkinci tip bir CEM'dir. Dönüştürülen elektrikli motosiklet, motor ve motor parçalarının bir enerji kaynağı olarak Lityum Ferro Fosfat (LFP) pil kitleri ile değiştirildiği yağ yakıtlı bir motosiklettir. Birçok ülke elektrikli motosiklet üretse de hiç kimse aracı dönüştürme tekniklerini kullanarak yaratmadı. Dönüşüm, kullanıcıları tarafından artık kullanılmayan iki tekerlekli bir motosiklet üzerinde yapılabilir. Universitas Sebelas Maret, CEM üretiminde bir öncüdür ve Lityum-İyon pillerin geleneksel motosikletlerdeki fosil yakıt enerji kaynaklarının yerini alabileceğini teknik olarak kanıtlamaktadır. CEM, LFP teknolojisini kullanır, bu pil kısa devre oluştuğunda patlamaz. Bunun yanı sıra, LFP pil 3000 kullanım döngüsüne kadar uzun bir kullanım ömrüne sahiptir ve mevcut ticari EM pillerden (Lityum-Ion Pil ve LiPo Pil gibi) daha uzundur. CEM, 55 km/şarj seyahat edebilir ve 70 km/saate kadar maksimum hıza sahip olabilir [7]. Jodinesa, et al. [8] Endonezya'nın Surakarta kentinde dönüştürülebilir elektrikli motosikletlerin pazar payını inceledi ve Surakarta halkının CEM'e olumlu yanıt verdiği sonucuna vardı. Yukarıdaki açıklamadan, elektrikli motosikletler için fırsatın çok büyük olduğu görülebilir. Sutopo ve diğerleri tarafından Lityum İyon pil standardı gibi elektrikli araçlar ve pillerle ilgili standartlar üzerine çeşitli çalışmalar geliştirilmiştir. [9], Rahmawatie ve ark. tarafından pil yönetim sistemi standardı. [10] ve Sutopo ve ark. tarafından elektrikli araç şarj standartları. [11]. Endonezya'da elektrikli araçların benimsenme hızının düşük olması, hükümeti otomotiv endüstrisinin gelişimi için çeşitli politikalar yayınlamaya sevk etti ve 2025 yılında 2,1 milyon adet elektrikli motosiklet ve 2.200 adet elektrikli otomobilin benimsenmesini hedeflemeyi planladı. Ayrıca, hükümet Endonezya Cumhuriyeti'nin Ulusal Enerji Genel Planı ile ilgili 22 Sayılı 2017 tarihli Cumhurbaşkanlığı Yönetmeliği'nde belirtilen 2.200 elektrikli veya hibrit otomobil üretebilmeyi de hedefliyordu. Bu düzenleme Fransa, İngiltere, Norveç ve Hindistan gibi çeşitli ülkeler tarafından uygulanmaktadır. Enerji ve Maden Kaynakları Bakanlığı, 2040 yılından itibaren İçten Yanmalı Motorlu Araçların (ICEV) satışının yasaklanması ve halkın elektrikli araçlar kullanmasının istenmesi gibi bir hedef belirlemiştir [12]. 2019 yılında Endonezya Hükümeti, Karayolu Taşımacılığı için Pil Tabanlı Elektrikli Motorlu Araç Programının Hızlandırılmasına ilişkin 55 Sayılı 2019 tarihli Cumhurbaşkanlığı Yönetmeliğini yayınladı. Bu çaba, akaryakıt rezervlerinin tükenmesi ve hava kirliliği olmak üzere iki sorunun üstesinden gelmek için bir adımdır. Hava kirliliği ile ilgili olarak Endonezya, 2015 yılında düzenlenen Paris İklim Değişikliği Konferansı sonucunda 2030 yılına kadar karbondioksit emisyonlarını %29 oranında azaltmayı taahhüt etmiştir. 2018 yılında iki tekerlekli elektrikli araçların penetrasyonu hükümetin hedefinin sadece %0,14'üne ulaşmıştır. 2025, dört tekerlekli elektrik için ise %45'in üzerine çıktı. Aralık 2017'de ülke genelinde 24 şehirde en az 1.300'den fazla kamuya açık elektrikli şarj istasyonu mevcuttu ve bunların %71'i (924 dolum istasyonu) DKI Jakarta'da bulunuyordu [13]. Birçok ülke elektrikli araç benimseme konusunda araştırma yaptı, ancak Endonezya'da daha önce ulusal ölçekte araştırma yapılmadı. Malezya'da elektrikli araç kullanım niyetini bilmek için çoklu doğrusal regresyon [14], benimsemeyi bilmek için Yapısal Eşitlik Modellemesi (SEM) gibi çeşitli yöntemler kullanarak yeni teknolojilerin benimsenmesi üzerine çalışmalar yürüten bazı ülkelerde birçok araştırma türü bulunmaktadır. Tianjin, Çin'deki akülü elektrikli araçların bariyerlerinin analizi [15], Birleşik Krallık'taki elektrikli araç sürücüleri arasındaki engelleri bilmek için açıklayıcı faktör analizi ve çok değişkenli regresyon modeli [16] ve elektrikli araçların alımını etkileyen faktörleri bilmek için lojistik regresyon Pekin, Çin [17]. Bu araştırmanın amaçları Endonezya'da elektrikli motosikletler için bir benimseme modeli geliştirmek, Endonezya'da elektrikli motosikletleri benimseme niyetlerini etkileyen faktörleri bulmak ve Endonezya'da elektrikli motosikletlerin benimsenmesi için işlev fırsatlarını belirlemektir. Faktörlerin modellenmesi, Endonezya'da elektrikli motosikletleri benimseme niyetini hangi faktörlerin etkilediğini bulmak için önemlidir. Bu etkili faktörler, elektrikli motosikletlerin benimsenmesini hızlandırmak için uygun politikaları formüle etmek için bir referans olarak kullanılabilir. Bu önemli faktörler, Endonezya'daki potansiyel elektrikli motosiklet kullanıcıları tarafından arzu edilen ideal koşulların bir resmidir. Endonezya'da elektrikli araçlarla ilgili politikaların oluşturulmasıyla ilgili bazı bakanlıklar, doğrudan elektrikli araç üreticileri ile ilgilenen emisyonlarına dayalı araç vergi kuralları ile ilgilenen Sanayi Bakanlığı, elektrikli araçların fizibilite testini yürüten Ulaştırma Bakanlığı'dır. karayolunda akü testleri vb. asfalt döşeme çalışmalarının yanı sıra elektrikli araç şarj işletmelerinin altyapısına Elektrikli Araç Şarj İstasyonu tarifelerini oluşturmakla görevli Enerji ve Maden Kaynakları Bakanlığı da dahildir. Elektrikli araç inovasyonu aynı zamanda, elektrikli araç ürünleri/hizmetleri ve bunların türevlerini piyasaya süren geliştiriciler, tedarikçiler, üreticiler ve distribütörlerden teknoprenörler ve start-up'lar dahil olmak üzere tedarik zincirinde yeni ticari kuruluşların doğuşunu teşvik eder [24]. Elektrikli motosiklet girişimcileri de Endonezya'da geleneksel motosikletler yerine elektrikli motosikletlerin hayata geçirilmesini desteklemek için bu önemli faktörleri göz önünde bulundurarak teknoloji ve pazarlama geliştirebilirler. SPSS 25 yazılımını kullanarak Endonezya'da elektrikli motosikletleri benimseme niyetinin fonksiyon ve olasılık değerini elde etmek için kullanılan sıralı lojistik regresyon. Lojistik regresyon veya logit regresyon, tahmine dayalı modeller yapmak için bir yaklaşımdır. Logit eğrisi lojistik fonksiyonundaki verileri eşleştirerek bir olayın meydana gelme olasılığını tahmin etmek için kullanılan istatistiklerde lojistik regresyon. Bu yöntem, binom regresyon için genel bir doğrusal modeldir [18]. Lojistik regresyon, internet ve mobil bankacılığın benimsenmesini [19], Hollanda'da fotovoltaik teknolojisinin benimsenmesini [20], tele-izleme sistemi teknolojisinin sağlık için kabulünü [21] tahmin etmek ve bulmak için kullanılmıştır. bulut hizmetlerini benimseme kararını etkileyen teknik engelleri ortadan kaldırın [22]. Utami et al. [23] daha önce Surakarta'da elektrikli araçlara ilişkin tüketici algıları üzerine bir araştırma yürüten kişi, satın alma fiyatlarının, modellerin, araç performansının ve altyapının hazır olma durumunun elektrikli araçları benimseyen insanların önündeki en büyük engel olduğunu buldu. YÖNTEM Bu araştırmada toplanan veriler, Endonezya'da elektrikli motosikletleri benimseme niyetini etkileyen fırsatları ve faktörleri bulmak için çevrimiçi anketler yoluyla elde edilen birincil verilerdir. Anket ve Anket Endonezya'da elektrikli motosikletleri benimseme niyetini etkileyen faktörleri araştırmak için çevrimiçi anket Endonezya'daki sekiz ilde 1.223 katılımcıya dağıtıldı. Bu seçilen iller Endonezya'daki motosiklet satışlarının %80'inden fazlasına sahipti [2]: Batı Java, Doğu Java, Jakarta, Orta Java, Kuzey Sumatra, Batı Sumatra, Yogyakarta, Güney Sulawesi, Güney Sumatra ve Bali. Araştırılan faktörler Tablo 1'de gösterilmiştir. Elektrikli motosikletler hakkında genel bilgiler, yanlış anlamaları önlemek için anketin başında video kullanılarak verilmiştir. Anket beş bölüme ayrılmıştır: tarama bölümü, sosyodemografik bölüm, mali bölüm, teknolojik bölüm ve makro düzey bölüm. Anket, 1'den 5'e, kesinlikle katılmıyorum için 1, katılmıyorum için 2, şüphe için 3, katılıyorum için 4 ve kesinlikle katılıyorum için 5 olmak üzere Likert ölçeğinde sunuldu. Minimum örneklem büyüklüğünün belirlenmesi [25]'e atıfta bulunarak, lojistik regresyon içeren büyük popülasyon büyüklüklerine sahip gözlemsel çalışmaların parametreleri temsil eden istatistikleri elde etmek için minimum 500 örneklem büyüklüğü gerektirdiğini belirtmiştir. Endonezya'daki motosiklet kullanıcılarının çok büyük olması nedeniyle bu araştırmada küme örneklemesi veya oranlı alan örneklemesi kullanılmıştır. Ayrıca, belirli kriterlere göre örneklemlerin belirlenmesinde amaçlı örnekleme kullanılmaktadır [26]. Çevrimiçi anketler Facebook Reklamları aracılığıyla gerçekleştirilir. Uygun katılımcılar, ≥ 17 yaşında, SIM C sahibi, motosiklet değiştirme veya satın alma konusunda karar vericilerden biri olan ve Tablo 1'deki illerden birinde ikamet eden kişilerdir. Teorik Çerçeve She ve ark. [15] ve Habich-Sobiegalla ve ark. [28], tüketiciler tarafından elektrikli aracın benimsenmesini sağlayan veya engelleyen faktörlerin sistematik bir şekilde sınıflandırılması için çerçeveler kullandı. Bu çerçeveleri, elektrikli motosikletlerin tüketici tarafından benimsenmesine ilişkin elektrikli motosiklet literatürü analizimize dayanarak değiştirerek uyarladık. Tablo 1'de görselleştirdik. Tablo 1. Faktör ve Niteliklerin Açıklaması ve Referansı Faktör Kodu Nitelik Ref. SK1 Medeni durum [27], [28] SK2 Yaş SK3 Cinsiyet SK4 Son eğitim SK5 Meslek Sosyodemografik SK6 Aylık tüketim düzeyi SK7 Aylık gelir düzeyi SK8 Motosiklet sahiplik sayısı SK9 Sosyal medyada paylaşım sıklığı SK10 Çevrimiçi sosyal ağ boyutu SK11 Çevresel farkındalık Finansal FI1 Satın alma fiyatı [29] FI2 Pil maliyeti [30] FI3 Şarj maliyeti [31] FI4 Bakım maliyetleri [32] Teknolojik TE1 Kilometre kapasitesi [33] TE2 Güç [33] TE3 Şarj süresi [33] TE4 Güvenlik [34] TE5 Pil ömrü [35] Makro düzeyinde ML1 Halka açık yerlerde şarj istasyonu kullanılabilirliği [36] ML2 İşyerinde şarj istasyonu kullanılabilirliği [15] ML3 Evde şarj istasyonu kullanılabilirliği [37] ML4 Hizmet yerlerinin kullanılabilirliği [38] ML5 Satın alma teşvik politikası [15] ML6 Yıllık vergi indirimi politikası [15] ML7 Ücretlendirme maliyeti indirimi politikası [15] Benimseme niyeti IP Kullanım amacı [15] Sosyodemografik Faktör Sosyodemografik faktör, bireyin karar vermedeki davranışını etkileyen kişisel faktörlerdir. Eccarius ve ark. [28] benimseme modellerinde yaş, cinsiyet, medeni durum, eğitim, gelir, meslek ve araç sahipliğinin elektrikli araç benimsemeyi etkileyen önemli faktörler olduğunu belirtmişlerdir. HabichSoebigalla ve arkadaşları, motosiklet sahipliği sayısı, sosyal medyada paylaşım sıklığı ve çevrimiçi sosyal ağın boyutu gibi sosyal ağ faktörlerinin elektrikli araçların benimsenmesini etkileyen faktörler olduğunu vurgulamaktadır [28]. Eccarius ve ark. [27] ve HabichSobiegalla ve ark. [28] de çevre bilincinin sosyal demografik faktörlere ait olduğunu düşünmektedir. Finansal Faktör Satın alma fiyatı, herhangi bir satın alma sübvansiyonu olmayan bir elektrikli motosikletin orijinal fiyatıdır. Sierzchula et al. [29] elektrikli araç alım fiyatının yüksek olmasının en yüksek pil kapasitesinden kaynaklandığını söyledi. Pil maliyeti, eski pil ömrü bittiğinde pili değiştirme maliyetidir. Krause et al. Pil maliyetinin, birinin elektrikli bir araç benimsemesi için mali engel teşkil ettiğini araştırdı [30]. Şarj maliyeti, benzin maliyetine kıyasla elektrikli bir motosiklete güç sağlamak için kullanılan elektriğin maliyetidir [31]. Bakım maliyetleri, elektrikli motosikletler için rutin bakım maliyetleridir, elektrikli araçların benimsenmesini etkileyen kazalardan kaynaklanan onarımlar değildir [32]. Teknolojik Faktör Kilometre kapasitesi, elektrikli motosiklet aküsü tamamen şarj olduktan sonraki en uzak mesafedir. Zhang et al. [33] araç performansının, kilometre kapasitesi, güç, şarj süresi, güvenlik ve pil ömrü dahil olmak üzere elektrikli araç hakkında tüketicilerin değerlendirmesini ifade ettiğini söyledi. Güç, bir elektrikli motosikletin maksimum hızıdır. Şarj süresi, bir elektrikli motosikleti tam olarak şarj etmek için toplam süredir. Sovacool ve diğerleri tarafından vurgulanan faktörler, sesle (dB) ilgili bir elektrikli motosiklet sürerken duyulan güvenlik duygusudur. [34] tüketicinin elektrikli araç algısını etkileyen faktörlerdir. Graham Rowe ve ark. [35] pil ömrünün bozulmuş olarak kabul edildiğini söyledi. Şarj istasyonunun makro düzeyde Faktör Altyapısı kullanılabilirliği, elektrikli motosiklet benimseyen için kaçınılması mümkün olmayan bir şeydir. Elektrikli araçların benimsenmesini desteklemek için halka açık yerlerde şarj mevcudiyetinin önemli olduğu düşünülmektedir [36]. İşyerinde şarj kullanılabilirliği [15] ve evde şarj kullanılabilirliği [37] de tüketicilerin araçlarının aküsünü doldurması için gerekli. Krupa et al. [38] rutin bakım ve hasar için servis yerlerinin mevcudiyetinin elektrikli aracın benimsenmesini etkilediğini söyledi. O ve ark. [15], elektrikli motosiklet satın almak için sübvansiyon sağlamak, elektrikli motosikletler için yıllık vergi indirimi ve tüketicilerin halka açık yerlerde elektrikli motosikleti şarj etmeleri gerektiğinde şarj maliyeti indirimi politikası gibi Tianjin'deki tüketiciler tarafından çok istenen bazı kamu teşvikleri önerdi [15]. Sıralı Lojistik Regresyon Sıralı lojistik regresyon, bağımlı değişkenin bir veya daha fazla bağımsız değişkenle ilişkisini tanımlayan, bağımlı değişkenin 2'den fazla kategori olduğu ve ölçüm ölçeğinin düzey veya sıralı olduğu istatistiksel yöntemlerden biridir [39]. Denklem 1, sıralı lojistik regresyon için bir modeldir ve Denklem 2, g(x) fonksiyonunu logit denklemi olarak gösterir. eegxgx P x ( ) ( ) 1 ( ) + = (1)  = = + mkjk Xik gx 1 0 ( )   (2) SONUÇLAR VE TARTIŞMA Anket, ücretli Facebook Reklamları aracılığıyla Mart – Nisan 2020 tarihlerinde çevrimiçi olarak dağıtılmıştır. filtre alanını ayarlayarak: 21.628 kullanıcıya ulaşan Batı Java, Doğu Java, Jakarta, Orta Java, Kuzey Sumatra, Batı Sumatra, Yogyakarta, Güney Sulawesi, Güney Sumatra ve Bali. Toplam gelen yanıt 1.443 yanıttı, ancak yalnızca 1.223 yanıt veri işleme için uygundu. Tablo 2, yanıtlayanların demografik özelliklerini göstermektedir. Tanımlayıcı İstatistikler Tablo 3, nicel değişkenler için tanımlayıcı istatistikleri göstermektedir. Ücretlendirme maliyeti indirimi, yıllık vergi indirimi ve satın alma fiyatı sübvansiyonları diğer faktörlerin yanı sıra daha yüksek ortalamaya sahiptir. Bu, yanıt verenlerin çoğunun, hükümetin yoğun olarak verdiği bir politikanın kendilerini elektrikli motosikletleri benimsemeye teşvik edebildiğini düşündüğünü göstermektedir. Finansal faktörlerde, satın alma fiyatı ve pil maliyeti, diğer faktörler arasında daha düşük ortalamaya sahiptir. Bu, bir elektrikli motosikletin satın alma fiyatının ve pil maliyetinin çoğu katılımcının bütçesine uygun olmadığını göstermektedir. Katılımcıların çoğu, geleneksel bir motosikletin fiyatına kıyasla elektrikli motosikletin fiyatının çok pahalı olduğunu düşündü. Her üç yılda bir 5.000.000 IDR'ye ulaşan pil değiştirme maliyeti de çoğu katılımcı için çok pahalı olduğundan, satın alma fiyatı ve pil maliyeti Endonezyalıların elektrikli motosikletleri benimsemesine engel teşkil ediyor. Pil ömrü, güç, şarj süresi tanımlayıcı istatistiklerde düşük ortalama puanlara sahiptir ancak bu üç faktör için ortalama puanlar 4'ten fazladır. Üç saat süren şarj süresi çoğu katılımcı için çok uzundu. Bir elektrikli motosikletin maksimum hızı 70 km/s ve 3 yıllık pil ömrü katılımcıların ihtiyaçlarını karşılamamaktadır. Bu, çoğu katılımcının performans elektrikli motosikletlerinin standartlarını karşılamadığını düşündüğünü göstermektedir. Katılımcılar elektrikli motosikletlerin performansına tam olarak güvenmese de EM, günlük mobilite ihtiyaçlarını karşılayabilir. Daha fazla katılımcı, halka açık yerlere göre evlerinde ve ofislerinde şarj mevcudiyetine daha fazla puan verdi. Ancak, sıklıkla karşılaşılan bir engel, evdeki elektrik gücünün hala 1300 VA'nın altında olması ve bu da yanıt verenlerin hükümetin evde şarj olanakları sağlamaya yardımcı olmasını kuvvetle beklemelerine neden oluyor. Ofiste şarj imkanı, halka açık yerlere göre daha fazla tercih edilir, çünkü katılımcıların her gün hareketliliği evleri ve ofisleri içerir. Tablo 4, katılımcıların elektrikli motosikletlerin benimsenmesine verdikleri yanıtları göstermektedir. Ankete katılanların %45,626'sının elektrikli motosiklet kullanma konusunda güçlü bir istekliliğe sahip olduğunu gösteriyor. Bu sonuç, elektrikli motosiklet pazar payı için parlak bir geleceği gösteriyor. Tablo 4 ayrıca, ankete katılanların neredeyse %55'inin elektrikli motosiklet kullanma konusunda güçlü bir istekliliğe sahip olmadığını göstermektedir. Bu tanımlayıcı istatistiklerden elde edilen ilginç sonuçlar, elektrikli motosikletleri kullanma hevesinin hala teşvik gerektirmesine rağmen, elektrikli motosikletlerin halk tarafından kabulünün iyi olduğunu ima ediyor. Ortaya çıkabilecek bir başka neden de, katılımcıların elektrikli motosikletin benimsenmesini veya başka birinin elektrikli motosiklet kullanıp kullanmadığını bekleyip görmek gibi bir tutuma sahip olmalarıdır. Sıralı Lojistik Regresyon Verileri, sıralı lojistik regresyon kullanarak Endonezya'da elektrikli motosikletlerin benimsenme niyetini belirlemek için süreç ve analizdir. Bu araştırmadaki bağımlı değişken, elektrikli motosiklet kullanma isteğidir (1: kesinlikle isteksiz, 2: isteksiz, 3: şüphe, 4: istekli, 5: kesinlikle istekli). Bağımlı değişkenin sıralı ölçeği kullanması nedeniyle bu araştırmada yöntem olarak sıralı lojistik regresyon seçilmiştir. Veriler, %95 güven düzeyi ile SPSS 25 yazılımı kullanılarak işlendi. Varyans Enflasyon Faktörlerini (VIF) hesaplamak için ortalama VIF 1,15- 3.693 olan çoklu doğrusallık testleri yapılmıştır, yani modelde çoklu doğrusallık yoktur. Sıralı lojistik regresyonda kullanılan hipotez Tablo 5'te gösterilmektedir. Tablo 6, sıralı lojistik regresyon hipotezinin reddedilmesine veya kabul edilmesine temel olacak kısmi test sonuçlarını göstermektedir. Tablo 2. Katılımcıların Demografisi Demografik Öğe Sıklık % Demografik Öğe Sıklık % İkametgah Batı Java 345 %28,2 Meslek Öğrenci 175 %14,3 Doğu Java 162 %13.2 Memurlar 88 %7,2 Jakarta 192 %15.7 Özel çalışanlar 415 %33,9 Central Java 242 %19,8 Girişimci 380 %31,1 Kuzey Sumatera 74 %6,1 Diğerleri 165 %13,5 Yogyakarta 61 %5,0 Güney Sulawesi 36 %2,9 Yaş 17-30 655 %53.6 Bali 34 %2.8 31-45 486 %39.7 Batı Sumatera 26 %2.1 46-60 79 %6.5 Güney Sumatera 51 %4,2 >60 3 %0,2 Medeni durum Bekar 370 %30,3 Son Öğrenim Düzeyi SMP/SMA/SMK 701 %57.3 Evli 844 %69,0 Diploma 127 %10,4 Diğer 9 %0,7 Lisans 316 %25,8 Cinsiyet Erkek 630 %51.5 Yüksek Lisans 68 5,6 % Kadın 593 %48,5 Doktora 11 %0,9 Aylık gelir düzeyi 0 154 %12.6 Aylık tüketim düzeyi < 2.000.000 IDR 432 %35,3 < 2.000.000 IDR 226 %18.5 IDR2.000.000-5.999.999 640 %52.3 IDR 2.000.000-5.999.999 550 %45 IDR6.000.000- 9.999.999 121 %9.9 IDR 6.000.000-9.999.999 199 %16.3 ≥ 10.000.000 IDR 30 2.5 IDR10.000.000- 19.999.999 71 %5.8 ≥ I DR 20.000.000 23 %1,9 Tablo 3. Finansal, Teknoloji ve Makro Düzeyinde Tanımlayıcı İstatistikler Değişken Ortalama Sıra Değişken Ortalama Sıra ML7 (şarj maliyeti diski) 4.4563 1 ML3 (evde CS) 4.1554 9 ML6 (yıllık vergi diski. ) 4.4301 2 ML2 (İşyerlerinde CS) 4.1055 10 ML5 (satın alma teşviki) 4.4146 3 ML1 (Halka açık yerlerde CS) 4.0965 11 TE4 (güvenlik) 4.3181 4 TE5 (pil ömrü) 4.0924 12 FI3 (şarj maliyeti) 4.2518 5 TE2 (güç ) 4.0597 13 TE1 (kilometre kapasitesi) 4.2396 6 TE3 (şarj süresi) 4.0303 14 ML4 (servis yeri) 4.2142 7 FI1 (satın alma maliyeti) 3.8814 15 FI4 (bakım maliyeti) 4.1980 8 FI2 (pil maliyeti) 3.5045 16 Tablo 4. Tanımlayıcı İstatistikler Benimseme Niyeti için 1: kesinlikle isteksiz 2: isteksiz 3: şüphe 4: istekli 5: kesinlikle istekli Elektrikli motosiklet kullanmaya isteklilik % 0.327 % 2.044 % 15.863 % 36.141 % 45.626 SD1'den SD11'e kadar olan değişkenler için lojistik regresyon analizi sonuçları sosyodemografik faktörler sadece paylaşım sıklığının sosyal medya (SD9) ve çevresel kaygı düzeyi (SD11), Endonezya'daki elektrikli motosikletlerin niyeti üzerinde önemli bir etkiye sahiptir. Medeni durumun nitel değişkeni için anlamlı değerler bekar için 0.622 ve evli için 0.801'dir. Bu değerler Hipotez 1'i desteklememektedir. Medeni durum, anlamlı değer 0,05'ten fazla olduğu için elektrikli motosiklet kullanma niyetini önemli ölçüde etkilememektedir. Yaş için anlamlı değer 0.147'dir, bu nedenle yaş, elektrikli motosiklet kullanma niyetini önemli ölçüde etkilemez. -0.168 yaş için tahmin değeri Hipotez 2'yi desteklemez. Negatif işaret, yaş ne kadar yüksekse, elektrikli motosiklet kullanma niyetinin o kadar düşük olduğu anlamına gelir. Nitel değişken için anlamlı olan cinsiyet (0.385) değeri Hipotez 3'ü desteklemez. Cinsiyet, elektrikli motosiklet kullanma niyetini önemli ölçüde etkilemez. Son eğitim düzeyi için anlamlı değer (0,603) Hipotez 4'ü desteklemez. Dolayısıyla, son eğitim elektrikli motosiklet kullanma niyetini önemli ölçüde etkilemez. 0.036 olan son eğitim seviyesi için tahmin değeri, pozitif bir işaret anlamına gelir, eğitim seviyesi ne kadar yüksek olursa, elektrikli bir motosikleti benimseme niyeti o kadar yüksek olur. Mesleğin nitel değişkeni için anlamlı değer öğrenciler için 0,487, memurlar için 0,999, özel çalışanlar için 0,600 ve Hipotez 5'i desteklemeyen girişimciler için 0,480'dir. Meslek, elektrikli motosiklet benimseme niyetini önemli ölçüde etkilememektedir. UTAMA ET AL. /JOURNAL ON ENDÜSTRİLERDE SİSTEMLERİN OPTİMİZASYONLARI – CİLT. 19 HAYIR. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 75 Tablo 5. Hipotez Hipotez Sosyo- H1: medeni durumun elektrikli motosiklet benimseme niyeti üzerinde pozitif ve anlamlı bir etkisi vardır. Demo- H2: Yaşın elektrikli motosiklet benimseme niyeti üzerinde olumlu ve anlamlı bir etkisi vardır. grafik H3: cinsiyet, elektrikli motosiklet kullanma niyeti üzerinde pozitif ve anlamlı bir etkiye sahiptir. H4: Son eğitim düzeyi elektrikli motosiklet benimseme niyeti üzerinde pozitif ve anlamlı bir etkiye sahiptir. H5: Meslek, elektrikli motosiklet kullanma niyeti üzerinde pozitif ve anlamlı bir etkiye sahiptir. H6: Aylık tüketim düzeyinin elektrikli motosiklet benimseme niyeti üzerinde pozitif ve anlamlı bir etkisi vardır. H7: Aylık gelir düzeyinin elektrikli motosiklet benimseme niyeti üzerinde pozitif ve anlamlı bir etkisi vardır. H8: Motosiklet sahiplik sayısının elektrikli motosiklet benimseme niyeti üzerinde pozitif ve anlamlı bir etkisi vardır. H9: Sosyal medyada paylaşım sıklığının elektrikli motosiklet benimseme niyeti üzerinde pozitif ve anlamlı bir etkisi vardır. H10: Çevrimiçi sosyal ağın büyüklüğü, elektrikli motosiklet kullanma niyeti üzerinde pozitif ve anlamlı bir etkiye sahiptir. H11: Çevre bilincinin elektrikli motosiklet kullanma niyeti üzerinde olumlu ve anlamlı bir etkisi vardır. Finansal H12: satın alma fiyatı, elektrikli motosiklet kullanma niyeti üzerinde olumlu ve anlamlı bir etkiye sahiptir. H13: Pil maliyeti, elektrikli motosiklet kullanma niyeti üzerinde olumlu ve anlamlı bir etkiye sahiptir. H14: Şarj maliyeti, elektrikli motosiklet kullanma niyeti üzerinde olumlu ve anlamlı bir etkiye sahiptir. H15: Bakım maliyetlerinin elektrikli motosiklet kullanma niyeti üzerinde pozitif ve anlamlı bir etkisi vardır. H16: Kilometre kapasitesi, elektrikli motosiklet kullanma niyeti üzerinde olumlu ve anlamlı bir etkiye sahiptir. H17: Gücün, elektrikli bir motosikleti benimseme niyeti üzerinde olumlu ve anlamlı bir etkisi vardır. Techno-H18: Şarj süresinin, elektrikli motosiklet kullanma niyeti üzerinde olumlu ve anlamlı bir etkisi vardır. mantıksal H19: güvenlik, elektrikli motosiklet kullanma niyeti üzerinde olumlu ve anlamlı bir etkiye sahiptir. H20: Pil ömrü, elektrikli motosiklet kullanma niyeti üzerinde olumlu ve anlamlı bir etkiye sahiptir. H21: Halka açık yerlerde şarj istasyonu altyapısının mevcudiyeti, elektrikli motosiklet kullanma niyeti üzerinde olumlu ve anlamlı bir etkiye sahiptir. H22: İşyerinde şarj istasyonu altyapısının mevcudiyeti, elektrikli motosiklet kullanma niyeti üzerinde olumlu ve anlamlı bir etkiye sahiptir. Macrolevel H23: Evde şarj istasyonu altyapısının mevcudiyeti, elektrikli motosiklet kullanma niyeti üzerinde olumlu ve önemli bir etkiye sahiptir. H24: Servis yerlerinin mevcudiyeti, elektrikli motosiklet kullanma niyeti üzerinde olumlu ve anlamlı bir etkiye sahiptir. H25: Satın alma teşvik politikası, elektrikli motosiklet kullanma niyeti üzerinde olumlu ve anlamlı bir etkiye sahiptir. H26: Yıllık vergi indirim politikası, elektrikli motosiklet kullanma niyeti üzerinde olumlu ve anlamlı bir etkiye sahiptir. H27: Ücretlendirme maliyeti indirimi politikası, elektrikli bir motosikleti benimseme niyeti üzerinde olumlu ve anlamlı bir etkiye sahiptir. Tablo 6. Lojistik Regresyon Kısmi Test Sonuçları Var Değeri Sig Var Değeri Sig SD1:tek 0.349 0.622 TE1 0.146 0.069 SD1:evli 0.173 0.801 TE2 0.167 0.726 SD1:diğer 0 TE3 0.240 0.161 SD2 -0.168 0.147 TE4 -0,005 0.013* SD3:erkek 0.117 0.385 TE5 0,068 0.765 SD3:kadın 0 ML1 -0.127 0.022* SD5:öğrenciler -0.195 0.487 ML2 0.309 0.000* SD5:civ. hizmet 0,0000 0,999 ML3 0,253 0,355 SD5:özel. em -0,110 0,6 ML4 0,134 0,109 SD5:girişim 0,147 0,48 ML5 0,301 0,017* SD5:diğerleri 0 ML6 -0,059 0,107 SD6 0,227 0,069 ML7 0,521 0,052 SD7 0,032 0.726 TE1 0.146 0,004* SD8 0.180 0.161 TE2 0.167 0.962 SD9 0.111 0.013* SD10 0.016 0.765 TE4 -0.005 0.254 SD11 0.226 0.022* TE5 0.068 0.007* FI1 0.348 0.000* ML1 -0.127 0.009* FI2 -0.069 0.355 ML2 0.309 0.181 FI3 0.136 0.109 ML3 0.253 0.017* FI4 0.193 0.017* 925 % 0.134 güven düzeyi Aylık tüketim düzeyi (0.069) için anlamlı değer Hipotez 6'yı desteklemez, aylık tüketim düzeyi elektrikli motosiklet kullanma niyetini önemli ölçüde etkilemez. 0,227 aylık tüketim düzeyi için tahmin değeri, olumlu bir işaret, aylık harcama düzeyi ne kadar yüksekse, elektrikli bir motosiklet kullanma niyetinin de o kadar yüksek olduğu anlamına gelir. Aylık gelir düzeyi (0.726) için anlamlı değer Hipotez 7'yi desteklemez, aylık gelir düzeyi elektrikli motosiklet kullanma niyetini önemli ölçüde etkilemez. Aylık gelir seviyesi için tahmin değeri 0.032'dir, pozitif işaret, aylık gelir seviyesi ne kadar yüksek olursa, elektrikli bir motosiklet kullanma niyetinin o kadar yüksek olduğu anlamına gelir. Motosiklet sahipliği sayısı için anlamlı değer (0,161) Hipotez 8'i desteklemez, motosiklet sahipliği sayısı elektrikli bir motosikleti benimseme niyetini önemli ölçüde etkilemez. Motosiklet sahipliği düzeyi için tahmin değeri 0.180'dir, pozitif işaret, sahip olunan motosiklet sayısı ne kadar fazlaysa, elektrikli bir motosikleti benimseme niyetinin o kadar yüksek olduğu anlamına gelir. Sosyal medyada paylaşım sıklığına ilişkin anlamlı değer (0,013) Hipotez 9'u destekler nitelikte olup, anlamlı değer 0,05'ten küçük olduğu için sosyal medyada paylaşım sıklığı elektrikli motosiklet benimseme niyeti üzerinde anlamlı bir etkiye sahiptir. UTAMA ET AL. /JURNAL OPTİMASI SİSTEM SANAYİ – CİLT. 19 HAYIR. 1 (2020) 70-81 76 Utami ve ark. DOI: 10.25077/josi.v19.n1.p70-81.2020 Sosyal medyada paylaşım sıklığı için tahmin değeri 0,111'dir, pozitif işaret, sosyal medyada birisini paylaşma sıklığı ne kadar yüksekse, bir elektrikli cihazın benimsenme şansının o kadar yüksek olduğu anlamına gelir. motosiklet. Çevrimiçi sosyal ağın boyutu için önemli bir değer (0,765) Hipotez 10'u desteklemez, sosyal ağın erişim boyutu bir motosikleti benimseme niyetini önemli ölçüde etkilemez. Sosyal ağda ulaşılan kişi sayısı için tahmin değeri 0.016'dır, pozitif işaret, sosyal medya ağlarının boyutu ne kadar yüksek olursa, elektrikli motosiklet kullanma niyetinin o kadar yüksek olduğu anlamına gelir. Çevresel farkındalık düzeyi için önemli değer (0,022) Hipotez 11'i destekler, çevresel kaygı düzeyinin elektrikli bir motosikleti benimseme niyeti üzerinde önemli bir etkisi vardır. Çevresel farkındalık düzeyi için tahmin değeri 0,226'dır, pozitif işaret, bir kişinin sahip olduğu çevresel kaygı düzeyi ne kadar yüksekse, elektrikli bir motosiklet kullanma niyetinin o kadar yüksek olduğu anlamına gelir. Finansal faktörlere ait olan FI1 ila FI4 değişkenleri için lojistik regresyon analizi sonuçları, satın alma fiyatının (FI1) ve bakım maliyetlerinin (FI4) Endonezya'daki elektrikli motosikletlerin niyeti üzerinde önemli bir etkiye sahip olduğunu göstermektedir. Satın alma fiyatının (0,00) önemli değeri Hipotez 12'yi destekler, satın alma fiyatının elektrikli motosiklet kullanma niyeti üzerinde önemli bir etkisi vardır.Satın alma fiyatı için tahmin değeri 0,348'dir, pozitif işaret, birisi için bir elektrikli motosikletin satın alma fiyatı ne kadar uygunsa, elektrikli bir motosikleti benimseme niyetinin o kadar yüksek olduğu anlamına gelir. Pil maliyeti için önemli değer (0,355) Hipotez 13'ü desteklemez, pil maliyeti elektrikli motosiklet kullanma niyetini önemli ölçüde etkilemez. Şarj maliyetleri için anlamlı değer (0.109), Hipotez 14'ü desteklemez, şarj maliyetinin elektrikli motosiklet kullanma niyeti üzerinde önemli bir etkisi yoktur. Tahmini şarj maliyeti değeri 0,136'dır, pozitif işaret, birisi için elektrikli motosiklet şarj etme maliyeti ne kadar uygunsa, elektrikli motosiklet kullanma niyetinin o kadar yüksek olduğu anlamına gelir. Bakım maliyetlerinin anlamlı değeri (0.017) Hipotez 15'i desteklemez, bakım maliyetlerinin elektrikli motosiklet kullanma niyeti üzerinde önemli bir etkisi vardır. Bakım maliyetleri için tahmin değeri 0.193'tür, pozitif işaret, birisi için elektrikli motosiklet bakım maliyeti ne kadar uygunsa, elektrikli motosiklet kullanma niyetinin o kadar yüksek olduğu anlamına gelir. Teknolojik faktörlere ait olan TE1 ila TE5 değişkenleri için lojistik regresyon analizinin sonuçları, batarya şarj süresinin (TE3) Endonezya'da elektrikli motosikletlerin benimsenme niyeti üzerinde önemli bir etkiye sahip olduğunu göstermektedir. Kilometre kapasitesi için önemli değer (0.107), Hipotez 16'yı desteklemez, kilometre kapasitesinin elektrikli bir motosiklet kullanma niyeti üzerinde önemli bir etkisi yoktur. Maksimum kilometre için tahmin değeri 0.146'dır, pozitif işaret, birisi için bir elektrikli motosikletin maksimum kilometresi ne kadar uygunsa, elektrikli bir motosikleti benimseme niyetinin o kadar yüksek olduğu anlamına gelir. Bağımsız değişken güç veya maksimum hız (0.052) için anlamlı değer, Hipotez 17'yi desteklemez, maksimum hız elektrikli bir motosiklet kullanma niyetini önemli ölçüde etkilemez. Güç veya maksimum hız için esimate değeri 0.167'dir, pozitif işaret, bir kişi için bir elektrikli motosikletin maksimum hızı ne kadar uygunsa, elektrikli bir motosikleti benimseme niyetinin o kadar yüksek olduğu anlamına gelir. Önemli şarj süresi değeri (0,004) Hipotez 18'i destekler, şarj süresinin elektrikli motosiklet kullanma niyeti üzerinde önemli bir etkisi vardır. Tahmini şarj süresi değeri 0,240'tır, pozitif işaret, birisi için bir elektrikli motosikletin maksimum hızı ne kadar uygunsa, elektrikli bir motosikleti benimseme niyetinin o kadar yüksek olduğu anlamına gelir. Önemli güvenlik değeri (0,962) Hipotez 19'u desteklemez, güvenlik elektrikli motosiklet kullanma niyetini önemli ölçüde etkilemez. Güvenlik için tahmin değeri -0,005'tir, negatif işaret, bir kişinin elektrikli motosiklet kullanırken kendini ne kadar güvende hissettiğini, elektrikli motosiklet kullanma niyetinin o kadar düşük olduğu anlamına gelir. Pil ömrü için önemli değer (0,424) Hipotez 20'yi desteklemez, pil ömrünün elektrikli motosiklet kullanma niyeti üzerinde önemli bir etkisi yoktur. Pil ömrü için tahmin değeri 0.068'dir, pozitif işaret, bir elektrikli motosiklet pilinin ömrü ne kadar uygunsa, elektrikli bir motosikleti benimseme niyetinin o kadar yüksek olduğu anlamına gelir. Makro düzeydeki faktörlere ait ML1 - ML7 değişkenleri için lojistik regresyon analizi sonuçları, yalnızca işyerinde ücretlendirme (ML2), konutta ücretlendirme (ML3) ve ücretlendirme maliyet indirim politikası (ML7) sonuçlarını göstermektedir. Endonezya'da elektrikli motosikletlerin benimsenme niyeti üzerinde önemli bir etkiye sahip. Halka açık yerlerde şarj mevcudiyeti için önemli değer (0,254) Hipotez 21'i desteklemez, halka açık yerlerde şarj mevcudiyeti elektrikli motosiklet kullanma niyetini önemli ölçüde etkilemez. İşyerinde şarj mevcudiyeti (0,007) için önemli değer, Hipotez 22'yi desteklemektedir, işyerinde şarj mevcudiyeti, elektrikli bir motosikletin benimsenme niyeti üzerinde önemli bir etkiye sahiptir. Evde şarj mevcudiyeti için anlamlı değer (0,009), Hipotez 22'yi destekler, evde şarj mevcudiyeti, bir motosikleti benimseme niyeti üzerinde önemli bir etkiye sahiptir. Servis yerlerinin mevcudiyeti için önemli değer (0,181) Hipotez 24'ü desteklemez, servis yerlerinin mevcudiyetinin bir elektrikli motosiklet benimseme niyeti üzerinde önemli bir etkisi yoktur. Satın alma teşvik politikasının (0.017) önemli değeri Hipotez 25'i desteklemektedir, satın alma teşvik politikasının elektrikli bir motosikleti benimseme niyeti üzerinde önemli bir etkisi vardır. Yıllık vergi indirim politikasının önemli değeri (0,672) Hipotez 26'yı desteklemez, yıllık vergi indirimi teşvik politikasının elektrikli motosiklet kullanma niyeti üzerinde önemli bir etkisi yoktur. Ücretlendirme maliyeti indirim politikası (0,00) için önemli değer, Hipotez 27'yi destekler, ücretlendirme maliyeti indirimi teşvik politikası, bir elektrikli motosikletin benimsenme niyeti üzerinde önemli bir etkiye sahiptir. Makro düzeydeki faktörden elde edilen sonuca göre, elektrikli motosiklet benimsenmesi, işyerinde şarj istasyonu, konutta şarj istasyonu ve şarj maliyeti indirimi politikası tüketicilerin erişimine hazır ise gerçekleştirilebilir. Genel olarak sosyal medyada paylaşım sıklığı, çevre bilinci düzeyi, satın alma fiyatları, bakım maliyetleri, elektrikli motosikletlerin maksimum hızı, akü şarj süresi, işyerinde şarj istasyonu altyapısının bulunması, evde elektrik tabanlı – şarj altyapısının bulunması, UTAMA ET AL. /JOURNAL ON ENDÜSTRİLERDE SİSTEMLERİN OPTİMİZASYONLARI – CİLT. 19 HAYIR. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 77 satın alma teşvik politikaları ve ücretlendirme maliyeti indirimi teşvik politikaları, elektrikli araçları benimseme niyetini önemli ölçüde etkiliyor. Denklem Modeli ve Olasılık Fonksiyon Denklem 3, elektrikli bir motosiklet kullanmaya “kesinlikle isteksiz” cevabının seçimi için bir logit denklemdir.  =  = + 27 1 01 ( 1| ) kg Y Xn   k Xik (3) Denklem 4, elektrikli bir motosiklet kullanmaya “isteksiz” cevabının seçimi için bir logit denklemdir.  =  = + 27 1 02 ( 2 | ) kg Y Xn   k Xik (4) Denklem 5, bir elektrikli motosikleti benimsemek için “şüphe” cevabının seçimi için bir logit denklemdir.  =  = + 27 1 03 ( 3| ) kg Y Xn   k Xik (5) Denklem 6, elektrikli bir motosiklet kullanmaya “istekli” cevap seçeneği için bir logit denklemdir.  =  = + 27 1 04 ( 4 | ) kg Y Xn   k Xik (6) Benimseme amaçlı elektrikli motosikletlerin olasılık fonksiyonları Denklem 7'den Denklem 11'e kadar gösterilmiştir. Denklem 7, cevabın seçimi için olasılık fonksiyonudur. elektrikli bir motosiklet benimsemeye kesinlikle isteksiz”. eenng YX g YXP Xn PY Xn ( 1| ) ( 1| ) 1 1 ( ) ( 1| )   + = =  (7) Denklem 8 bir elektrikli motosiklet. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX ( 1| ) ( 1| ) ( 2| ) ( 2| ) 2 1 1 ( 2 | ) ( 1| ) ( ) ( 2 | )     + − + = =  −  = = (8) Denklem 9, bir elektrikli motosikleti benimsemek için “şüphe” cevabının seçimi için olasılık fonksiyonudur. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX ( 2| ) ( 2| ) ( 3| ) ( 3| ) 3 1 1 ( 3 | ) ( 2 | ) ( ) ( 3 | )     + − + = =  −  = = (9) Denklem 10, elektrikli bir motosiklet kullanmaya “istekli” cevabının seçimi için olasılık fonksiyonudur. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX ( 3| ) ( 3| ) ( 4| ) ( 4| ) 4 1 1 ( 4 | ) ( 3 | ) ( ) ( 4 | )     + − + = =  −  = = (10) Denklem 11, elektrikli bir motosiklet kullanmaya “kesinlikle istekli” cevabının seçimi için olasılık fonksiyonudur. eenng YX g YX nnn PYXPXPYX ( 4| ) ( 4| ) 5 1 1 1 ( 4 | ) ( ) ( 5 | )   + = − = −  = = (11) Benimseme Niyet Olasılığı O zaman sıralı lojistik regresyon denklemi cevaplayıcıların cevaplarının bir örneğine uygulanmıştır. Tablo 8 örneklemin özelliklerini ve cevaplarını göstermektedir. Bu nedenle, bağımlı değişken üzerindeki her bir kriteri yanıtlama olasılığı, Denklem 7 – 11'e göre hesaplanır. Yanıtları Tablo 7'de gösterildiği gibi olan bir katılımcı örneğinin, elektrikli motosiklet kullanmaya kesinlikle isteksiz olma olasılığı 0,0013, olasılık 0,0114'tür. elektrikli motosiklet kullanmak istemeyenler için 0,1788 olasılık elektrikli motosiklet kullanmaya istekli olanlar için 0,563 olasılık ve elektrikli motosiklet kullanmaya çok istekli olanlar için 0,2455 olasılıktır. 1.223 katılımcı için elektrikli motosikleti benimseme olasılığı da hesaplandı ve elektrikli motosiklet kullanmayı kesinlikle istemeyen yanıtlarının olasılığının ortalama değeri 0,0031, elektrikli motosiklet kullanmaya isteksiz 0,0198, elektrikli motosiklet kullanmaya şüphe duyma 0,1482, elektrikli motosiklet kullanmaya istekli yanıtlarının ortalama değeri 0,1482 idi. elektrikli motosiklet 0,3410 ve elektrikli motosiklet kullanmaya şiddetle istekli 0,4880 idi. İstekli ve istekli olma olasılığı toplanırsa, Endonezyalıların elektrikli motosikletleri benimseme olasılığı %82,90'a ulaşıyor. İşletmelere ve Politika Yapıcılara Öneriler Sıralı lojistik regresyon analizinde, sosyal medyada paylaşım sıklığı, elektrikli motosiklet benimseme niyetini etkileyen önemli bir faktördür. Halkın elektrikli motosikletler hakkında bilgi edinebileceği bir platform olarak sosyal medyanın önemi, elektrikli motosikletleri benimseme isteğini etkileyecektir. Devlet ve girişimciler bu kaynağı değerlendirmeye çalışabilir, örneğin girişimciler elektrikli motosiklet satın alan tüketicilere ikramiye veya takdir yoluyla promosyonlar yapabilir ve sosyal medyalarında elektrikli motosikletlerle ilgili olumlu şeyler paylaşabilir. Bu yol, başkalarını yeni bir elektrikli motosiklet kullanıcısı olmaya teşvik edebilir. Hükümet, halkı geleneksel motosikletten elektrikli motosiklete geçişi motive etmek için sosyal medya aracılığıyla halka elektrikli motosikletleri sosyalleştirebilir veya tanıtabilir. Bu araştırma, makro düzeydeki faktörlerin Endonezya'da elektrikli motosikletlerin benimsenmesi üzerindeki etkisinin ne kadar önemli olduğunu kanıtlıyor. Sıralı lojistik regresyon analizinde, işyerinde şarj istasyonu altyapısının mevcudiyeti, evde şarj istasyonu altyapısının mevcudiyeti, satın alma teşvik politikası ve şarj maliyeti indirimi, elektrikli motosiklet benimseme niyetini önemli ölçüde etkilemektedir. UTAMA ET AL. /JURNAL OPTİMASI SİSTEM SANAYİ – CİLT. 19 HAYIR. 1 (2020) 70-81 78 Utami ve ark. DOI: 10.25077/josi.v19.n1.p70-81.2020 Tablo 7. Örnek Cevaplayıcı Cevaplar Değişken Cevap Kodu Değer Medeni Durum Evli X1b 2 Yaş 31-45 X2 2 Cinsiyet Erkek X3a 1 Son Eğitim Seviyesi Usta X4 4 Meslek Özel çalışan X5c 3 Aylık tüketim seviyesi Rp2.000.000-5.999.999 X6 2 Aylık gelir seviyesi Rp. 6.000.000-9.9.999.999 X7 3 Motosiklet sahiplik sayısı ≥ 2 X8 3 Sosyal medyada paylaşım sıklığı Ayda birkaç kez X9 4 Çevrimiçi sosyal ağ boyutu 100-500 kişi X10 2 Çevre bilinci 1 X11 1 Harga beli 3 X12 3 Pil maliyeti 3 X13 3 Şarj maliyeti 3 X13 3 Bakım maliyetleri 5 X14 5 Kilometre kapasitesi 4 X15 4 Güç 5 X16 5 Şarj süresi 4 X17 4 Güvenlik 5 X18 5 Pil ömrü 4 X19 4 Halka açık yerlerde şarj istasyonu bulunması 4 X20 4 Şarj istasyonu bulunması iş yerinde 4 X21 4 Evde şarj istasyonu bulunması 4 X22 4 Servis yerlerinin bulunması 2 X23 2 Satın alma teşvik politikası 5 X24 5 Yıllık vergi indirimi politikası 5 X25 5 Şarj maliyeti indirimi politikası 5 X26 5 Şarj maliyeti 5 X27 5 Bakım maliyetleri 3 X13 3 Kilometre yetenek 5 X14 5 Güç 4 X15 4 Şarj süresi 5 X16 5 Ankete katılanların çoğu evde, işyerlerinde ve halka açık yerlerde şarj istasyonu altyapısının kullanılabilirliğini elektrikli motosikletlerin benimsenmesini önemli ölçüde etkilediğini düşünüyor. Hükümet, elektrikli motosikletlerin benimsenmesini desteklemek için halka açık yerlerde şarj istasyonu altyapısının kurulumunu düzenleyebilir. Devlet de bunu gerçekleştirmek için iş dünyası ile birlikte çalışabilir. Makro düzeyde göstergeler oluştururken, bu araştırma birkaç teşvik politikası seçeneği önermektedir. Ankete göre en önemli teşvik politikaları, Endonezya'da elektrikli motosikletlerin benimsenmesini desteklemek için hükümet tarafından dikkate alınabilecek satın alma teşvik politikaları ve ücretlendirme maliyet indirimi teşvik politikalarıdır. Finansal faktörler üzerinde, satın alma fiyatı, elektrikli bir motosiklet satın alma niyeti üzerinde önemli bir etkiye sahiptir. Satın alma sübvansiyonu teşvikinin de benimseme niyetini önemli ölçüde etkilemesinin nedeni budur. Elektrikli motosikletlerin geleneksel motosikletlere göre daha ucuz bakım maliyeti, elektrikli motosikletlerin benimsenme niyetini önemli ölçüde etkiler. Bu nedenle, tüketici ihtiyaçlarını karşılayan hizmetlerin mevcudiyeti, elektrikli motosikletleri benimseme niyetini daha da teşvik edecektir, çünkü çoğu kullanıcı elektrikli motosikletlerdeki bileşenleri bilmediğinden, bazı hasarlar olması durumunda kalifiye teknisyenlere ihtiyaçları vardır. Elektrikli motosikletlerin performansı, tüketicilerin günlük hareketliliklerini karşılama ihtiyaçlarını karşılamıştır. Elektrikli bir motosikletin maksimum hızı ve şarj süresi tüketicilerin istediği standartları karşılayabilmektedir. Bununla birlikte, artan güvenlik, pil ömrü ve daha fazla kilometre gibi daha iyi motosiklet performansı, kesinlikle elektrikli bir motosiklet kullanma niyetini artıracaktır. Artan teknoloji yatırımına ek olarak, hükümet ve işletmeler, halkın güvenini artırmak için elektrikli motosikletler için güvenlik ve güvenilirlik değerlendirme sistemini de geliştirmelidir. İşletmeler için kalite ve performansı teşvik etmek, elektrikli motosikletlere yönelik tüketici coşkusunu artırmanın en etkili yollarından biridir. Daha genç ve daha yüksek eğitim düzeyine sahip tüketiciler, zaten daha iyimser bir tutuma sahip oldukları ve geniş bir ağa sahip oldukları için, etki sahibi olmak için erken benimseyenler olarak hedeflenebilirler. Pazar segmentasyonu, hedeflenen tüketiciler için belirli modeller başlatılarak gerçekleştirilebilir. Ek olarak, daha yüksek çevre bilincine sahip katılımcıların motosikletleri benimsemek isteme olasılıkları daha yüksekti. UTAMA ET AL. /JOURNAL ON ENDÜSTRİLERDE SİSTEMLERİN OPTİMİZASYONLARI – CİLT. 19 HAYIR. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 79 SONUÇLAR Geleneksel motosikletlerden elektrikli motosikletlere geçiş, Endonezya'daki yüksek CO2 seviyeleri sorununun üstesinden gelmek için en iyi çözüm olabilir. Endonezya hükümeti de Endonezya'da elektrikli araçlarla ilgili çeşitli politikalar belirleyerek hayata geçirdi ve devreye girdi. Ancak gerçekte Endonezya'da elektrikli araçların benimsenmesi, hükümet tarafından belirlenen hedeflerden bile çok erken bir aşamada. Çevre, daha ayrıntılı düzenlemelerin olmaması ve Endonezya'da elektrikli araçların düşük oranda benimsenmesine neden olan destekleyici altyapı eksikliği gibi elektrikli motosikletlerin benimsenmesini desteklemiyor. Bu araştırma, Endonezya'da elektrikli motosikletleri benimseme niyetlerini etkileyen önemli faktörleri araştırmak ve olasılık fonksiyonlarını bulmak için Endonezya'daki toplam motosiklet satış dağılımının toplam %80'ine sahip 10 ilden 1.223 katılımcıyla anket yaptı. Ankete katılanların büyük çoğunluğu elektrikli motosiklet tutkunları ve gelecekte bir elektrikli motosiklet sahibi olmak isteseler de, günümüzde elektrikli motosiklete olan ilgileri nispeten düşük. Katılımcılar, altyapı ve politika eksikliği gibi çeşitli nedenlerle şu anda elektrikli motosiklet kullanmak istemiyorlar. Ankete katılanların çoğu, tüketicilerin taleplerini takip etmesi gereken finansal faktörler, teknolojik faktörler ve makro düzeyler ile elektrikli motosikletlerin benimsenmesini beklemek ve beklemek tutumuna sahiptir. Bu araştırma, sosyal medyada paylaşım sıklığının, çevre bilincinin, satın alma fiyatlarının, bakım maliyetlerinin, elektrikli motosikletlerin maksimum hızının, akü şarj süresinin, işyerinde şarj istasyonu altyapısının bulunmasının, evde şarj altyapısının bulunmasının ne kadar önemli olduğunu kanıtlıyor. satın alma teşvik politikaları ve ücretlendirme maliyeti indirimi teşvik politikaları, Endonezya'da elektrikli motosikletlerin benimsenmesini desteklemektedir. Hükümetin, Endonezya'da elektrikli motosikletlerin benimsenmesini hızlandırmak için şarj istasyonu altyapısının sağlanmasını ve teşvik politikası oluşturmayı desteklemesi gerekiyor. Elektrikli motosikletlerin benimsenmesini desteklemek için geliştirilmek üzere üreticiler tarafından kilometre ve pil ömrü gibi teknolojik faktörlerin dikkate alınması gerekiyor. Satın alma fiyatları ve pil maliyetleri gibi finansal faktörlerin işletmeler ve hükümet için endişe kaynağı olması gerekir. Topluluğa bir elektrikli motosiklet tanıtmak için sosyal ağların maksimum kullanımı alınmalıdır. Genç yaştaki topluluklar, geniş bir sosyal medya ağına sahip oldukları için erken benimseyenler olarak terfi edebilirler. Endonezya'da elektrikli motosikletlerin benimsenmesinin gerçekleştirilmesi, altyapının hazır olmasını ve tüketiciler tarafından kabul edilebilecek maliyetleri gerektiriyor. Bu, geleneksel araçların yerini almayı başaran birkaç ülkede güçlü hükümet taahhütleri aracılığıyla hükümet tarafından uygulanabildi. Daha fazla araştırma, Endonezya'da elektrikli motosikletlerin benimsenmesini hızlandırmak için uygun politikaları bulmaya odaklanacak. KAYNAKLAR [1] Endonezya. Badan Pusat İstatistik; Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis 1949-2018, 2019 [Çevrimiçi]. Mevcut: bps.go.id. [2] Asosiasi Industri Sepeda Motor Endonezya: Yurtiçi Dağıtım ve İhracat İstatistikleri, 2020. [Çevrimiçi]. https://www.aisi.or.id/statistic. [Erişim: Mart. 20, 2020]. [3] G. Samosir, Y. Devara, B. Florentina ve R. Siregar, “Endonezya'da elektrikli araçlar: sürdürülebilir ulaşıma giden yol”, Solidiance: Market Report, 2018. [4] W. Sutopo, RW Astuti, A. Purwanto ve M. Nizam, “Yeni teknoloji lityum iyon pilin ticarileştirilmesi modeli: akıllı elektrikli araç için bir vaka çalışması”, 2013 Ortak Uluslararası Kırsal Bilgi ve İletişim Teknolojisi ve Elektrikli Araç Teknolojisi Konferansı, rICT ve ICEV Tutanakları -T 2013, 6741511.https://doi.org/10.1109/rICTICeVT.2013.6741511. [5] M. Catenacci, G. Fiorese, E. Verdolini ve V. Bosetti, “Elektrikli olmak: Elektrikli araçlar için pil teknolojilerinin geleceği üzerine uzman araştırması. In Innovation under Uncertainty,” Edward Elgar Publishing, 93. Amsterdam: Elsevier, 2015. [6] M. Weiss, P. Dekker, A. Moro, H. Scholz ve MK Patel, “On the elektrifikasyon of karayolu taşımacılığı– elektrikli iki tekerlekli araçların çevresel, ekonomik ve sosyal performansının gözden geçirilmesi,” Ulaştırma Araştırması Kısım D: Taşıma ve Çevre, cilt. 41, s. 348-366, 2015. https://doi.org/10.1016/j.trd.2015.09.007. [7] M. Nizam, “Produksi Kit Konversi Kendaraan Listrik Berbasis Baterai Untuk Sepeda Motor Roda Dua Dan Roda Tiga,” Laporan Akhir Hibah PPTI, Badan Pengelola Usaha Universitas Sebelas Maret, 2019. [8] MNA Jodinesa, W. Sutopo ve R. Zakaria, “Yeni Teknolojinin Pazar Payı Tahminini Tanımlamak için Markov Zinciri Analizi: Surakarta, Endonezya'da Elektrikli Dönüşüm Motosikletinin Vaka Çalışması”, AIP Conference Proceedings, cilt. 2217(1), s. 030062), 2020. AIP Publishing LLC. [9] W. Sutopo ve EA Kadir, “Elektrikli Araç Alications için bir Endonezya Standardı Lithium-ion Battery Cell Ferro Phosphate”, TELKOMNIKA Endonezya Elektrik Mühendisliği Dergisi, cilt. 15(2), s. 584-589, 2017. https://doi.org/10.12928/telkomnika.v15i2.6233. [10] B. Rahmawatie, W. Sutopo, F. Fahma, M. Nizam, A. Purwanto, BB Louhenapessy ve ABMulyono, “Elektrikli araç uygulaması için pil yönetim sisteminin standardizasyonu ve test gereksinimleri için tasarım çerçevesi”, Bildiri – 4. Uluslararası Elektrikli Araç Teknolojisi Konferansı, s. 7-12, 2018. https://doi.org/0.1109/ICEVT.2017.8323525. [11] W. Sutopo, M. Nizam, B. Rahmawatie, dan F. Fahma, “A Review of Electric Vehicles Charge Standard Development: Study Case in Indonesia”, Bildiri Kitabı – 2018 5. Uluslararası Elektrikli Araç Teknolojisi Konferansı, cilt. 8628367, pp. 152-157, 2018. https://doi.org/10.1109/ICEVT.2018.8628367. [12] Gaikindo: Tahun 2040 Indonesia Stop Mobil Berbahan Bakar Minyak, 2017. [Çevrimiçi]. gaikindo.or.id. [Erişim: Mart. 20, 2020]. [13] S. Goldenberg, ” Endonezya 2030'a Kadar Karbon Emisyonlarını %29 Azaltacak″, Guardian, 2015. UTAMI ET AL. /JURNAL OPTİMASI SİSTEM SANAYİ – CİLT. 19 HAYIR. 1 (2020) 70-81 80 Utami ve ark. DOI: 10.25077/josi.v19.n1.p70-81.2020 [14] YN Sang ve HA Bekhet, ” Modeling Electric Vehicle Use Intentions: An Ampirical Study in Malaysia,” Journal of Cleaner Production, cilt. 92, s. 75-83, 2015. https://doi.org/10.1016/j.jclepro.2014.12.045. [15] ZY She, Q. Sun, JJ Ma ve BC Xie, “Pülü Elektrikli Araçların Yaygın Olarak Kabul Edilmesinin Önündeki Engeller Nelerdir? Tianjin, Çin'de Kamu Algısına İlişkin Bir Araştırma," Journal of Transport Policy, cilt. 56, s. 29-40, 2017. https://doi.org/10.1016/j.tranpol.2017.03.001. [16] N. Berkeley, D. Jarvis ve A. Jones, “Akü elektrikli araçların alımını analiz etmek: Birleşik Krallık'taki sürücüler arasındaki engellerin araştırılması,” Ulaştırma Araştırması Bölüm D: Ulaşım ve Çevre, cilt. 63, pp. 466-481, 2018. https://doi.org/10.1016/j.trd.2018.06.016. [17] C. Zhuge ve C. Shao, “Pekin, Çin'de Elektrikli Araçların Alımını Etkileyen Faktörlerin İncelenmesi: İstatistiksel ve Mekansal Perspektifler”, Temiz Üretim Dergisi, cilt. 213, s. 199-216, 2019. https://doi.org/10.1016/j.jclepro.2018.12.099. [18] A. Widardjono, Analisis Multivariat Terapan Programı SPSS, AMOS, ve SMARTPLS (2. Baskı). Yogyakarta: UPP STIM YKPN, 2015. [19] T. Laukkanen, “Görünüşte benzer hizmet yeniliklerinde ret kararlarına karşı tüketici benimsemesi: İnternet ve mobil bankacılık örneği”, Journal of Business Research, cilt. 69(7), s. 2432–2439, 2016. https://doi.org/10.1016/j.jbusres.2016.01.013. [20] V. Vasseur ve R. Kemp, “Hollanda'da PV'nin benimsenmesi: benimseme faktörlerinin istatistiksel analizi”, Yenilenebilir ve Sürdürülebilir Enerji İncelemeleri, cilt. 41, s. 483-494, 2015. https://doi.org/10.1016/j.rser.2014.08.020. [21] MP Gagnon, E. Orruño, J. Asua, AB Abdeljelil ve J. Emparanza, “Sağlık Hizmetleri Profesyonellerinin Yeni Bir Telemonitör Sistemini Kabul Etmelerini Değerlendirmek için Modifiye Teknoloji Kabul Modeli Kullanmak”, Teletıp ve e-Sağlık, cilt. 18(1), s. 54–59, 2012. https://doi.org/10.1089/tmj.2011.0066. [22] N. Phaphoom, X. Wang, S. Samuel, S. Helmer ve P. Abrahamsson, “Bulut hizmetlerini benimseme kararını etkileyen önemli teknik engeller üzerine bir anket çalışması”, Journal of Systems and Software, cilt. 103, s. 167–181, 2015. https://doi.org/10.1016/j.jss.2015.02.002. [23] MWD Utami, AT Haryanto ve W. Sutopo, “Endonezya'da Elektrikli Araba Aracının Tüketici Algısı Analizi”, AIP Conference Proceedings (Cilt 2217, No. 1, s. 030058), 2020. AIP Publishing LLC [24 ] Yuniaristanto, DEP Wicaksana, W. Sutopo ve M. Nizam, “Önerilen iş süreci teknolojisinin ticarileştirilmesi: Elektrikli otomobil teknolojisi inkübasyonuna ilişkin bir vaka çalışması”, Proceedings of 2014 International Conference on Electrical Engineering and Computer Science, ICEECS, 7045257, s. 254-259. https://doi.org/0.1109/ICEECS.2014.7045257. [25] MA Bujang, N. Sa'at ve TM Bakar, ” Büyük popülasyonlu gözlemsel çalışmalardan elde edilen lojistik regresyon için örnek boyutu kılavuzları: gerçek yaşam klinik verilerine dayalı istatistikler ve parametreler arasındaki doğruluk vurgusu”, The Malaysian Journal of tıp bilimleri: MJMS, cilt. 25(4), sayfa 122, 2018. https://doi.org/10.21315/mjms2018.25.4.12. [26] E. Radjab ve A. Jam'an, “Metodologi Penelitian Bisnis”, Makasar: Lembaga Perpustakaan dan Penerbitan Universitas Muhammadiyah Makasar, 2017. [27] T. Eccarius ve CC Lu, ” Sürdürülebilir hareketlilik için iki tekerlekli motorlu araçlar: Tüketicilerin elektrikli motosikletleri benimsemesine ilişkin bir inceleme”, International Journal of Sustainable Transportation, cilt. 15(3), s. 215-231, 2020. https://doi.org/10.1080/15568318.2018.1540735. [28] S. Habich-Sobiegalla, G. Kostka ve N. Anzinger, “Çin, Rus ve Brezilya vatandaşlarının elektrikli araç satın alma niyetleri: Uluslararası bir karşılaştırmalı çalışma”, Temiz üretim Dergisi, cilt. 205, pp. 188- 200, 2018. https://doi.org/10.1016/j.jclepro.2018.08.318. [29] W. Sierzchula, S. Bakker, K. Maat ve B. Van Wee, “Finansal teşviklerin ve diğer sosyo-ekonomik faktörlerin elektrikli araçların benimsenmesi üzerindeki etkisi”, Energy Policy, cilt. 68, s. 183–194, 2014. https://doi.org/10.1016/j.enpol.2014.01.043. [30] RM Krause, SR Carley, BW Lane ve JD Graham, “Algı ve gerçeklik: 21 ABD şehrinde takılabilir elektrikli araçlar hakkında kamu bilgisi”, Energy Policy, cilt. 63, pp. 433–440, 2013. https://doi.org/10.1016/j.enpol.2013.09.018. [31] D. Browne, M. O'Mahony ve B. Caulfield, “Alternatif yakıtların ve araçların önündeki engeller nasıl sınıflandırılmalı ve yenilikçi teknolojileri teşvik etmeye yönelik potansiyel politikalar nasıl değerlendirilmeli?”, Journal of Cleaner Production, cilt. 35, s. 140–151, 2012. https://doi.org/10.1016/j.jclepro.2012.05.019. [32] O. Egbue ve S. Long, “Elektrikli araçların yaygın olarak benimsenmesinin önündeki engeller: tüketici tutum ve algılarının analizi”, Journal of Energy Policy, cilt. 48, s. 717– 729, 2012. https://doi.org/10.1016/j.enpol.2012.06.009. [33] X. Zhang, K. Wang, Y. Hao, JL Fan ve YM Wei, “Hükümet politikasının NEV'ler için tercih üzerindeki etkisi: Çin'den kanıtlar”, Energy Policy, cilt. 61, pp. 382–393, 2013. https://doi.org/10.1016/j.enpol.2013.06.114. [34] BK Sovacool ve RF Hirsh, “Pillerin ötesinde: plug-in hibrit elektrikli araçların (PHEV'ler) ve araçtan şebekeye (V2G) geçişin faydaları ve engellerinin incelenmesi”, Energy Policy, cilt. 37, s. 1095–1103, 2009. https://doi.org/10.1016/j.enpol.2008.10.005. [35] E. Graham-Rowe, B. Gardner, C. Abraham, S. Skippon, H. Dittmar, R. Hutchins ve J. Stannard, “Akülü elektrikli ve eklenti hibrit elektrikli araba kullanan ana tüketiciler: yanıtların ve değerlendirmelerin nitel bir analizi”, Transp. Araş. Bölüm A: Politika Uygulaması, cilt. 46, s. 140–153, 2012. https://doi.org/10.1016/j.tra.2011.09.008. [36] AF Jensen, E. Cherchi ve SL Mabit, “Akülü elektrikli ve eklentili hibrit elektrikli arabaları kullanan ana tüketiciler: yanıtların ve değerlendirmelerin nitel bir analizi”, Transp. Araş. Bölüm D: Transp. Çevre., cilt. 25, s. 24-32, 2013. [Çevrimiçi]. Mevcut: ScienceDirect. [37] ND Caperello ve KS Kurani, “Hane halkının bir eklenti hibrit elektrikli araçla karşılaşma hikayeleri”, Environ. Davranış, cilt. 44, s. 493–508, 2012. https://doi.org/10.1177/0013916511402057. [38] JS Krupa, DM Rizzo, MJ Eppstein, D. Brad-Lanute, DE Gaalema, K. Lakkaraju ve CE Warrender, “Hane halkının bir eklenti hibrit elektrikli araçla karşılaşma hikayeleri”, Bir tüketici anketinin analizi UTAMA ET AL. /JOURNAL ON ENDÜSTRİLERDE SİSTEMLERİN OPTİMİZASYONLARI – CİLT. 19 HAYIR. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 81 plug-in hibrit elektrikli araç. Transp. Araş. Bölüm A: Politika Uygulaması, cilt. 64, s. 14–31, 2014. https://doi.org/10.1016/j.tra.2014.02.019. [39] DW Hosmer ve S. Lemeshow, “Uygulamalı Lojistik Regresyon. İkinci Baskı”, New York: John Willey & Sons, 2000. https://doi.org/10.1002/0471722146. NOMENKLATÜR j bağımlı değişken kategorileri (j = 1, 2, 3, 4, 5) k bağımsız değişken kategorisi (k = 1, 2, 3, …, m) i nitel bağımsız değişken kategorileri n yanıtlayanların sırası β0j her bağımlı yanıtı keser değişken Xk nicel bağımsız değişken Xik nicel bağımsız değişken Y bağımlı değişken Pj(Xn) her katılımcı için bağımsız değişkenin her kategorisi için fırsat YAZARLAR BİYOGRAFİ Martha Widhi Dela Utami Martha Widhi Dela Utami, Universitas Sebelas Maret Endüstri Mühendisliği Bölümü'nde lisans öğrencisidir. Lojistik ve İş Sistemi Laboratuvarına aittir. İlgi alanları lojistik ve tedarik zinciri yönetimi ve pazar araştırmasıdır. Endonezya'da elektrikli otomobil araçlarının tüketici algı analizi hakkındaki ilk yayınını 2019'da yayınladı. Yuniaristanto Yuniaristanto, Universitas Sebelas Maret Endüstri Mühendisliği Bölümü'nde öğretim görevlisi ve araştırmacıdır. İlgi alanları tedarik zinciri, simülasyon modelleme, performans ölçümü ve teknolojinin ticarileştirilmesidir. Scopus tarafından indekslenen yayınları, 4 H indeksli 41 makalesi bulunmaktadır. E-posta adresi yuniaristanto@ft.uns.ac.id. Wahyudi Sutopo Wahyudi Sutopo, 2019 yılında Professional Engineer - Universitas Sebelas Maret (UNS) Eğitim Programından mühendislik profesyoneli derecesine (Ir) sahiptir. Doktorasını Institut Teknologi Bandung'dan (ITB) Endüstri Mühendisliği ve Yönetim alanında almıştır. 2011, 2004'te Endonezya Universitas'tan Yönetim Bilimi Yüksek Lisansı ve 1999'da ITB'den Endüstri Mühendisliği Mühendislik Lisansı. Araştırma alanları tedarik zinciri, mühendislik ekonomisi ve maliyet analizi ve teknolojinin ticarileştirilmesidir. 30'dan fazla araştırma bursu aldı. Scopus tarafından indekslenen yayınları, 7 H indeksli 117 makalesi bulunmaktadır. E-posta adresi wahyudisutopo@staff.uns.ac.id.Teknolojik faktörlere ait olan TE1 ila TE5 değişkenleri için lojistik regresyon analizinin sonuçları, batarya şarj süresinin (TE3) Endonezya'da elektrikli motosikletlerin benimsenme niyeti üzerinde önemli bir etkiye sahip olduğunu göstermektedir. Kilometre kapasitesi için önemli değer (0.107), Hipotez 16'yı desteklemez, kilometre kapasitesinin elektrikli bir motosiklet kullanma niyeti üzerinde önemli bir etkisi yoktur. Maksimum kilometre için tahmin değeri 0.146'dır, pozitif işaret, birisi için bir elektrikli motosikletin maksimum kilometresi ne kadar uygunsa, elektrikli bir motosikleti benimseme niyetinin o kadar yüksek olduğu anlamına gelir. Bağımsız değişken güç veya maksimum hız (0.052) için anlamlı değer, Hipotez 17'yi desteklemez, maksimum hız elektrikli bir motosiklet kullanma niyetini önemli ölçüde etkilemez. Güç veya maksimum hız için esimate değeri 0.167'dir, pozitif işaret, bir kişi için bir elektrikli motosikletin maksimum hızı ne kadar uygunsa, elektrikli bir motosikleti benimseme niyetinin o kadar yüksek olduğu anlamına gelir. Önemli şarj süresi değeri (0,004) Hipotez 18'i destekler, şarj süresinin elektrikli motosiklet kullanma niyeti üzerinde önemli bir etkisi vardır. Tahmini şarj süresi değeri 0,240'tır, pozitif işaret, birisi için bir elektrikli motosikletin maksimum hızı ne kadar uygunsa, elektrikli bir motosikleti benimseme niyetinin o kadar yüksek olduğu anlamına gelir. Önemli güvenlik değeri (0,962) Hipotez 19'u desteklemez, güvenlik elektrikli motosiklet kullanma niyetini önemli ölçüde etkilemez. Güvenlik için tahmin değeri -0,005'tir, negatif işaret, bir kişinin elektrikli motosiklet kullanırken kendini ne kadar güvende hissettiğini, elektrikli motosiklet kullanma niyetinin o kadar düşük olduğu anlamına gelir. Pil ömrü için önemli değer (0,424) Hipotez 20'yi desteklemez, pil ömrünün elektrikli motosiklet kullanma niyeti üzerinde önemli bir etkisi yoktur. Pil ömrü için tahmin değeri 0.068'dir, pozitif işaret, bir elektrikli motosiklet pilinin ömrü ne kadar uygunsa, elektrikli bir motosikleti benimseme niyetinin o kadar yüksek olduğu anlamına gelir. Makro düzeydeki faktörlere ait ML1 - ML7 değişkenleri için lojistik regresyon analizi sonuçları, yalnızca işyerinde ücretlendirme (ML2), konutta ücretlendirme (ML3) ve ücretlendirme maliyet indirim politikası (ML7) sonuçlarını göstermektedir. Endonezya'da elektrikli motosikletlerin benimsenme niyeti üzerinde önemli bir etkiye sahip. Halka açık yerlerde şarj mevcudiyeti için önemli değer (0,254) Hipotez 21'i desteklemez, halka açık yerlerde şarj mevcudiyeti elektrikli motosiklet kullanma niyetini önemli ölçüde etkilemez. İşyerinde şarj mevcudiyeti (0,007) için önemli değer, Hipotez 22'yi desteklemektedir, işyerinde şarj mevcudiyeti, elektrikli bir motosikletin benimsenme niyeti üzerinde önemli bir etkiye sahiptir. Evde şarj mevcudiyeti için anlamlı değer (0,009), Hipotez 22'yi destekler, evde şarj mevcudiyeti, bir motosikleti benimseme niyeti üzerinde önemli bir etkiye sahiptir. Servis yerlerinin mevcudiyeti için önemli değer (0,181) Hipotez 24'ü desteklemez, servis yerlerinin mevcudiyetinin bir elektrikli motosiklet benimseme niyeti üzerinde önemli bir etkisi yoktur. Satın alma teşvik politikasının (0.017) önemli değeri Hipotez 25'i desteklemektedir, satın alma teşvik politikasının elektrikli bir motosikleti benimseme niyeti üzerinde önemli bir etkisi vardır. Yıllık vergi indirim politikasının önemli değeri (0,672) Hipotez 26'yı desteklemez, yıllık vergi indirimi teşvik politikasının elektrikli motosiklet kullanma niyeti üzerinde önemli bir etkisi yoktur. Ücretlendirme maliyeti indirim politikası (0,00) için önemli değer, Hipotez 27'yi destekler, ücretlendirme maliyeti indirimi teşvik politikası, bir elektrikli motosikletin benimsenme niyeti üzerinde önemli bir etkiye sahiptir. Makro düzeydeki faktörden elde edilen sonuca göre, elektrikli motosiklet benimsenmesi, işyerinde şarj istasyonu, konutta şarj istasyonu ve şarj maliyeti indirimi politikası tüketicilerin erişimine hazır ise gerçekleştirilebilir. Genel olarak sosyal medyada paylaşım sıklığı, çevre bilinci düzeyi, satın alma fiyatları, bakım maliyetleri, elektrikli motosikletlerin maksimum hızı, akü şarj süresi, işyerinde şarj istasyonu altyapısının bulunması, evde elektrik tabanlı – şarj altyapısının bulunması, UTAMA ET AL. /JOURNAL ON ENDÜSTRİLERDE SİSTEMLERİN OPTİMİZASYONLARI – CİLT. 19 HAYIR. 1 (2020) 70-81 DOI: 10.25077/josi.v19.n1.p70-81.2020 Utami et al. 77 satın alma teşvik politikaları ve ücretlendirme maliyeti indirimi teşvik politikaları, elektrikli araçları benimseme niyetini önemli ölçüde etkiliyor. Denklem Modeli ve Olasılık Fonksiyon Denklem 3, elektrikli bir motosiklet kullanmaya “kesinlikle isteksiz” cevabının seçimi için bir logit denklemdir.  =  = + 27 1 01 ( 1| ) kg Y Xn   k Xik (3) Denklem 4, elektrikli bir motosiklet kullanmaya “isteksiz” cevabının seçimi için bir logit denklemdir.  =  = + 27 1 02 ( 2 | ) kg Y Xn   k Xik (4) Denklem 5, bir elektrikli motosikleti benimsemek için “şüphe” cevabının seçimi için bir logit denklemdir.  =  = + 27 1 03 ( 3| ) kg Y Xn   k Xik (5) Denklem 6, elektrikli bir motosiklet kullanmaya “istekli” cevap seçeneği için bir logit denklemdir.  =  = + 27 1 04 ( 4 | ) kg Y Xn   k Xik (6) Benimseme amaçlı elektrikli motosikletlerin olasılık fonksiyonları Denklem 7'den Denklem 11'e kadar gösterilmiştir. Denklem 7, cevabın seçimi için olasılık fonksiyonudur. elektrikli bir motosiklet benimsemeye kesinlikle isteksiz”. eenng YX g YXP Xn PY Xn ( 1| ) ( 1| ) 1 1 ( ) ( 1| )   + = =  (7) Denklem 8 bir elektrikli motosiklet. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX ( 1| ) ( 1| ) ( 2| ) ( 2| ) 2 1 1 ( 2 | ) ( 1| ) ( ) ( 2 | )     + − + = =  −  = = (8) Denklem 9, bir elektrikli motosikleti benimsemek için “şüphe” cevabının seçimi için olasılık fonksiyonudur. eeeennnng YX g YX g YX g YX nnnn PYXPYXPXPYX ( 2| ) ( 2| ) ( 3| ) ( 3| ) 3 1 1 ( 3 | ) ( 2 | ) ( ) ( 3 | )    